python【保存版】統計＆Pythonデータ分析シリーズまとめ｜基本〜中級をやさしく解説
📊 統計シリーズ 一覧▶ 基本統計量とデータの基礎理解「基本統計量をマスター！相加平均・中央値・最頻値・分散・標準偏差を実例でわかりやすく解説」データの広がりを一目で把握！箱ひげ図の読み方と使い方外れ値を見つけた後にどう対応すべきか？外れ値...
python JMP「【初心者向け】JMPの使い方を徹底解説｜データ入力から統計解析・グラフ作成まで」
※このページの前提条件 有意水準は常に0.05とする。・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・【初心者向け】統計自主学習シリーズまとめ 【保存版】統計＆Pythonデータ分析シリーズまとめ｜基本〜...
matplotlib【保存・装飾・共有に便利】matplotlibでグラフのデザインを整える＆画像として出力する方法
Pythonで作成したグラフをレポートやブログに使うとき、「ちょっと見づらい」「もう少し整えたい」と感じたことはありませんか？この記事では、matplotlibでグラフのデザインを美しく整え、画像として保存するためのテクニックを紹介します。...
matplotlib【Python実践可視化】pandas × matplotlib で効率よくグラフを描こう｜初心者向けに徹底解説
データ分析でよく使われるpandasには、実はグラフ描画機能も内蔵されています。この記事では、pandasのplot()メソッドとmatplotlibを組み合わせて、実データから手軽に、かつカスタマイズ性の高いグラフを描く方法を紹介します。...
matplotlib【Pythonグラフ入門】ヒストグラムと箱ひげ図でデータの分布を可視化しよう
データの「ばらつき」や「外れ値」「中央値」など、全体の特徴を視覚的に把握するには、ヒストグラムや箱ひげ図(ボックスプロット)が非常に有効です。この記事では、matplotlibを使って、ヒストグラムと箱ひげ図を描く方法と、それぞれの使いどこ...
matplotlib【Pythonグラフ作成】複数グラフを1つの画面に描く｜subplotの使い方をやさしく解説
データ分析やレポート作成の中で「複数のグラフを1つの画面に並べて比較したい」と感じたことはありませんか？そんなときに便利なのが、subplot（サブプロット）機能です。この記事では、Pythonの可視化ライブラリ matplotlib を使...
matplotlib【Python可視化】散布図とカスタマイズの基本｜見やすいグラフを描くためのポイント
データ分析において「関係性」を見たいときに便利なのが散布図（scatter plot）です。特に、2つの変数の相関を直感的に理解するのに役立ちます。今回は、matplotlib を使った散布図の描き方と、色・サイズ・透明度などのカスタマイズ...
matplotlib【Python初心者向け】matplotlibでグラフを描く基本｜折れ線・棒グラフの描き方
Pythonでデータ分析を始めたなら、データの“見える化”は欠かせません。データがどのように分布しているのか、時間とともにどう変化しているのかを視覚的に把握できれば、分析の理解が一気に深まります。そんなときに役立つのが、Pythonのグラフ...
python【モデル比較】SVM・決定木・ランダムフォレストの精度と解釈性の違い
はじめに分類タスクにおいて、さまざまなモデルが利用できますが、どれを選べばよいのでしょうか？本記事では代表的な分類アルゴリズムである以下3つのモデルについて、精度と解釈性（説明のしやすさ）の観点から比較します。サポートベクターマシン（SVM...
python【分類④】混同行列・精度・再現率・F1スコアの正しい使い方
はじめに分類モデルの性能を評価する際に、「精度（Accuracy）」だけを見て満足していませんか？実は分類問題では、「どのクラスをどれだけ正しく予測できているか」を詳しく確認する必要があり、そのための指標が「混同行列」や「精度・再現率・F1...
python【応用①】クロスバリデーションとグリッドサーチで精度を上げる方法
はじめにこれまでの記事では、様々な機械学習モデルの実装方法と、過学習を防ぐための正則化について学んできました。本記事では、モデルの性能をさらに高めるためのテクニックである「クロスバリデーション（Cross Validation）」と「グリッ...
python【回帰③】正則化（Lasso, Ridge）を用いたモデルチューニング
はじめに前回は多項式回帰を通じて、モデルが複雑すぎると「過学習（Overfitting）」が起きやすくなることを学びました。今回はその対策として有効な手法「正則化（Regularization）」について解説します。正則化を導入することで、...
python【回帰②】多項式回帰と過学習の関係を体験する
はじめに前回は、線形回帰によって直線的な関係を予測しました。今回はその発展として「多項式回帰（Polynomial Regression）」を扱います。多項式回帰では、直線では表現しきれないような曲線的な関係も学習可能になります。その一方で...
python【回帰①】線形回帰で家賃予測モデルを作る
はじめに分類問題の次は、数値を予測する「回帰問題」に挑戦してみましょう。最も基本的な回帰アルゴリズムが「線形回帰（Linear Regression）」です。本記事では、部屋の広さに応じて家賃を予測するというシンプルな課題を通じて、線形回帰...
python【分類③】決定木・ランダムフォレストの特徴と可視化方法
はじめにこれまでに紹介したK近傍法やロジスティック回帰は、比較的単純な分類モデルでした。今回紹介する「決定木（Decision Tree）」と「ランダムフォレスト（Random Forest）」は、より柔軟で複雑な分類タスクに対応できるアル...
python【分類②】ロジスティック回帰でスパム判定をしてみよう
はじめに分類問題を解く上で、もっとも基本かつ応用範囲の広いアルゴリズムの一つが「ロジスティック回帰（Logistic Regression）」です。回帰という名前がついていますが、これは 分類 を行うためのモデルです。確率的に分類を行うため...
python【分類①】K近傍法（KNN）を使ってシンプルな分類をしてみよう
はじめに本記事では、scikit-learnを使った分類モデルの最初の一歩として「K近傍法（KNN）」を紹介します。KNNはもっとも直感的でシンプルな分類アルゴリズムの一つであり、「似ているデータに注目して予測する」という考え方で動作します...
python【準備】sklearnのインストールとデータセットの扱い方
はじめにscikit-learn（sklearn）を使って機械学習を始めるにあたり、最初に押さえておくべきことが「ライブラリのインストール」と「データの準備」です。本記事では、sklearnをインストールする方法と、学習用のデータセットをど...
python【入門】scikit-learnとは？機械学習の全体像と学習の流れ
はじめに「機械学習をやってみたいけど、どこから始めればいいの？」という方に向けて、Pythonで機械学習を始める最初の一歩となるのがこの回です。本記事では、Pythonの機械学習ライブラリ「scikit-learn（sklearn）」の特徴...
numpyNumPy中級まとめ｜配列操作・演算・条件処理を体系的に復習しよう
はじめにNumPy中級シリーズでは、配列の操作から条件処理、シミュレーションまで、実務や学習に役立つ内容を順を追って学んできました。本記事では、これまでの内容を総復習しつつ、理解を深めるための演習問題や実用パターンの整理を行います。「全体の...